基于 Transformer 编码器和图神经网络的 6G-V2X 通信混合神经接收机
信号处理
2025-06-30 v1
摘要
神经接收机模型被提出用于联合优化无线接收器的多个功能;然而，文献中尚未提出取代整个物理层模块的综合接收机模型。本文引入一种新型混合神经接收机 (H-NR)，基于 Transformer 编码器块和图神经网络 (GNN)，作为端到端无线通信框架的一部分。在我们的通信框架中，我们假设车辆到网络 (V2N) 上行场景，其中信息由车辆发送，在基站 (BS) 处接收。我们提出的 H-NR 模型取代了 OFDM 资源网格去映射、信道估计、信号均衡、调制解调和信道解码。为测试所提出模型在未见情形下的适应性，我们评估了其在各种场景中的性能，包括车辆速度范围为 [0-60] km/h、载波频率为 5.9GHz 以及簇延迟线 (CDL) 信道模型的情况。此外，我们还在多模态数据（如图像、音频、GPS、雷达和 LiDAR）上评估了所提出 H-NR 的性能，以检验其在实际应用场景中的适应性。仿真结果清晰地表明，所提出模型在重建和误差更正方面约优于最先进的神经接收机 0.5 dB。
引用
@article{arxiv.2506.21983,
title = {Learning-Based Hybrid Neural Receiver for 6G-V2X Communications},
author = {Osama Saleem and Mohammed Alfaqawi and Pierre Merdrignac and Abdelaziz Bensrhair and Soheyb Ribouh},
journal= {arXiv preprint arXiv:2506.21983},
year = {2025}
}